The Impact of Dairy Products in the Development of Type 2 Diabetes: Where Does the Evidence Stand in 2019?
Notice bibliographique
Résumé
The prevalence of type 2 diabetes (T2D) has increased rapidly. Adopting a heathy diet is suggested as one of the effective behaviors to prevent or delay onset of T2D. Dairy consumption has been recommended as part of a healthy diet, but there remains uncertainty in both the scientific community and the public about the effect of different dairy products on T2D risk. In a recent workshop, the evidence on dairy products and T2D risk was presented and discussed by a group of experts. The main conclusions from the workshop are presented in this position paper and are as follows. 1) Available evidence from large prospective cohort studies and limited randomized controlled trials (RCTs) suggests that total dairy consumption has a neutral or moderately beneficial effect on T2D risk. 2) Increasing evidence from prospective cohort studies indicates that yogurt is most strongly associated with a lower T2D risk, but evidence from RCTs is scarce. 3) Fatty acids from dairy (medium-chain, odd, and very long-chain SFAs as well as trans-palmitoleic acid) are associated with lower T2D risk and improved metabolic health, but more research is needed on studies that explore cause and effect relations to exclude the possibility that the dairy fatty acids simply serve as markers of overall dairy consumption. 4) The food matrix can be a stronger determinant of health effects than SFA content. This review further identifies research gaps in the existing knowledge and highlights key research questions that need to be addressed to better understand the impact of dairy consumption on future T2D risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».